Policy insights for national school meals programmes: Annual Research Statements to the members of the School Meals Coalition - 2022, 2023, and 2024
Notice bibliographique
Résumé
The scale and near universality of school closures in response to the COVID-19 pandemic highlighted the vital role schools play in protecting the health and wellbeing of learners. This experience strengthened the resolve of countries to re-establish and increase their investment in the education and wellbeing of children as part of building back from the pandemic, resulting in the creation of a global School Meals Coalition (SMC) to help achieve that ambition by 2030. The Research Consortium for School Health and Nutrition was launched in 2021 to provide independent, evidence-based guidance on effective policymaking on school health and nutrition programming to the (now) 109 member states of the Coalition. Guided by a 10-year independent research strategy, the Research Consortium operates as a global network of academics and scholars and consolidates research findings into policy insights that offer actionable approaches to strengthen the quality, efficiency, and coverage of national programmes. With input from over 1,200 Global Academy members from more than 110 countries, the Research Consortium develops an Annual Research Statement on the policy implications of the emerging research in this area, which is presented to policymakers annually at a global convening of the SMC member states. This paper introduces the Research Consortium's Annual Research Statements for years 2022, 2023, and 2024, which report new programmatic and policy insights as well as accumulating and evolving understanding of the research on school health and nutrition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».